EXACTITUD TEMÁTICA

Ejemplo propuesto:
CONTROL DE CALIDAD DE CLASIFICACIONES
DE IMÁGENES SATELITALES

Correspondencia entre la clase asignada a un píxel

y la "verdadera clase" a la que pertenece

MATRIZ DE CONFUSIÓN (Matriz de Error)

Diseño del control de calidad de las clasificaciones

UNIDAD DE MUESTREO
(píxel, agrupaciones de píxel –
cluster-, polígonos)
FACTORES
ESENCIALES TAMAÑO DEL MUESTREO (Método
binomial o multinomial)
DISEÑO DE LA DISTRIBUCIÓN DE
MUESTRAS (aleatorio simple, …)

EVALUACIÓN
MATRIZ DE CONFUSIÓN
 EJEMPLO DE TABLA DE CONTINGENCIA

VARIABLES CATEGÓRICAS

Sexo Muy
Calificación Desaprobados Regulares Buenos Buenos Excelentes Total
Mujeres 1 3 8 11 2 25
Varones 2 2 10 18 4 36
3 5 18 29 6 61

FRECUENCIA
 MATRIZ DE CONFUSIÓN

Diagonal principal: píxeles clasificados correctamente

Marginales: errores de asignación
 MATRIZ DE CONFUSIÓN

Error proporcional total

Fiabilidad global o total: complemento a 1, o sea, 0,966 (96,6 %).
 ERROR ESTÁNDAR DEL MUESTREO

Para un intervalo de confianza (IC) del 95%:

FIABILIDAD REAL = 96,6 ± ( 1,96 * 0,65 ) = 96,6 ± 1,3

FIABILIDAD REAL DE CLASIFICACIÓN:

entre 95,3 y 97,9 %

IC 90 % 95 % 99 %

Za 1,645 1,960 2,576

 COMPARACIÓN ENTRE DATOS DE
CLASIFICACIÓN Y VERDAD TERRENO

IMAGEN DE SATÉLITE CARTAS TOPOGRÁFICAS

Sensor: Landsat TM FOTOGRAFÍAS AÉREAS
Identificación: 230/080 INSPECCIONES “IN SITU”
Dimensiones de trabajo:
Fecha de Adquisición:

VERIFICACIÓN
AREA DE TRABAJO PARA CONTROL DE CLASIFICACIÓN
CAMPOS DE ENTRENAMIENTO (5 clases)
IMAGEN CLASIFICADA POR MÁXIMA PROBABILIDAD
 ERRORES DE ASIGNACIÓN DE PIXELES

ERROR DE OMISIÓN: cuando un píxel que pertenece

a determinada categoría, no resulta clasificado en dicha
categoría (es un falso negativo).
Se plantea como riesgo del productor.

ERROR DE COMISIÓN: cuando un píxel resulta

clasificado en una categoría y en realidad pertenece a
otra (falso positivo).
Se plantea como riesgo del usuario.

Si existiesen sólo dos categorías a clasificar, el error

sería el mismo, aunque expresado de distintas formas
ƒ La comparación entre los resultados de
la clasificación y la naturaleza real del
píxel, esto es, la verdad-terreno, se
realiza mediante el análisis de una matriz
de confusión
 MATRIZ DE CONFUSIÓN

La diagonal principal indica el número de píxeles que han sido

correctamente clasificados para cada categoría. En cambio, los
elementos ubicados fuera de la diagonal principal, indican los
errores de asignación (marginales), ya sea porque perteneciendo
a una misma clase han sido asignados a categorías distintas
(error de omisión), o porque han sido clasificados en una
categoría, cuando en realidad pertenecen a otra (error de
comisión).
MATRIZ DE CONFUSIÓN
 Al sumar los píxeles correspondientes a la diagonal
principal, se puede observar que sobre un total de
2.661 píxeles, 2.421 han resultado coincidentes con la
clasificación verdad-terreno.

Con estos valores, puede estimarse la fiabilidad global

de la clasificación digital:
FG = 2421/ 2661 =0,9098 es decir, la fiabilidad global
es del orden del 91,0 %

La estimación de fiabilidad global, está dada como el cociente

entre la traza de la matriz de confusión y la suma de sus elementos
CAMPOS DE ENTRENAMIENTO (6 clases)
IMAGEN CLASIFICADA POR MÁXIMA PROBABILIDAD
MATRIZ DE CONFUSIÓN
GRACIAS POR SU ATENCIÓN